financeФинансы: теория и практика/Finance: Theory and PracticeFinance: Theory and Practice2587-56712587-7089Financial University under The Government of Russian Federation10.26794/2587-5671-2024-28-3-94-108finance-2957Research ArticleКОРПОРАТИВНЫЕ ФИНАНСЫCORPORATE FINANCEМоделирование события банкротства компаний, связанных с бизнес-группойSimulation of the Bankruptcy Event of Companies Associated with a Business Grouphttps://orcid.org/0000-0003-0256-0792ЛопатенкоВ. В.LopatenkoV. V.

Валентин Васильевич Лопатенко — аспирант экономической школы; ведущий эксперт по исследованию данных

Москва

Valentin V. Lopatenko — PhD student at the School of Economics; Leading Data Science Expert

Moscow

vlnlopatenko@gmail.comhttps://orcid.org/0000-0001-8943-4611КарминскийА. М.KarminskyA. M.

Александр Маркович Карминский — доктор экономических наук, профессор-исследователь школы финансов

Москва

Alexander M. Karminsky — Dr. Sci. (Econ.), Research Prof., School of Finance

 Moscow

karminsky@mail.ruНИУ ВШЭ; ПАО «Сбербанк»РоссияNational Research University Higher School of Economics; Sberbank PJSCRussian FederationНИУ ВШЭРоссияPJSC SberbankRussian Federation20241107202428394108Copyright © Лопатенко В.В., Карминский А.М., 20242024Лопатенко В.В., Карминский А.М.Lopatenko V.V., Karminsky A.M.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://financetp.fa.ru/jour/article/view/2957

Цель исследования — определение влияния бизнес-группы на оценку кредитоспособности заемщика, а также выявление наиболее значимых факторов кредитного риска. Несмотря на то что тематика оценки кредитоспособности находит широкое распространение как в отечественной, так и в зарубежной литературе, аспект влияния консолидированной группы в контексте данной проблемы практически не упоминается. Авторы используют статистический метод моделирования с применением логистической регрессии. Переменные модели построены на основании ежегодной финансовой отчетности как отдельных компаний, так и бизнес-групп. Для отбора факторов и построения модели использованы подходы, применяемые в статистике и машинном обучении для получения несмещенных и эффективных оценок, независимых от выборки, порождающей эти оценки. Проанализированы данные 8691 компании, предоставляющих ежегодную финансовую отчетность в соответствии с российскими стандартами бухгалтерской отчетности с 2015 по 2021 г. Общий объем выборки составил 22 201 наблюдение. Количество событий банкротства в выборке — 238 наблюдений. В качестве информации о группе использованы переменные, рассчитанные по консолидированной финансовой отчетности в  соответствии с  международными стандартами. Рассмотрены и  систематизированы различные взгляды на понятия «бизнес-группа» и «холдинг» в отечественной литературе. Приведены особенности поведения компаний, объединенных в группы. Выявлены переменные, связанные с бизнес-группой, значимые в оценке вероятности события банкротства отдельных компаний. Приводятся различные специфические аспекты деятельности компаний, связанных с  группой. Для подтверждения ряда гипотез строится статистическая модель, которая подвергается верификации и анализу. Для определения значимого ухудшения кредитоспособности компании используется событие банкротства. Сделан вывод, что использование данных отчетности групп позволяет увеличить качество предсказания модели для компаний, связанных с бизнес-группой.

The purpose of the study is to determine the influence of a business group on the assessment of the borrower’s creditworthiness, as well as to identify the most significant credit risk factors. Despite the fact that creditworthiness assessment is widely disseminated in both domestic and foreign literature, the impact of the consolidated group in the context of this problem is practically not mentioned. The authors use a statistical modeling method using logistic regression. The variable models are based on the annual financial statements of both individual companies and business groups. To select factors and build a model, approaches used in statistics and machine learning were used to obtain unbiased and effective estimates, independent of the sample generating these estimates. Analyzed data of 8691 companies providing annual financial statements in accordance with Russian accounting standards from 2015 to 2021. The total sample size was 22 201 observations. The number of bankruptcy events in the sample is 238 observations. Variables calculated from consolidated financial statements in accordance with international standards were used as information about the group. Various views on the concepts of “business group” and “holding” in the domestic literature are considered and systematized. Features of the behavior of companies united in groups are given. Variables associated with the business group that are significant in assessing the probability of bankruptcy of individual companies have been identified. Various specific aspects of the activities of companies associated with the group are mentioned. A statistical model is constructed to confirm a number of hypotheses, which is subject to verification and analysis. The bankruptcy event is used to determine the significant deterioration of a company’s creditworthiness. It is concluded that the use of group reporting data can improve the quality of model prediction for companies associated with a business group.

кредитный рискбанкротствофакторы риска банкротствабизнес-группахолдингМСФОлогистическая регрессиямашинное обучениеcredit riskbankruptcybankruptcy risk factorsbusiness groupholdingIFRSlogistic regressionmachine learningИсследование осуществлено в рамках Программы фундаментальных исследований НИУ ВШЭ. НИУ ВШЭ, Москва, Россия.This work/article is an output of a research project implemented as part of the Basic Research Program at the National Research University Higher School of Economics (HSE University). National Research University Higher School of Economics, Moscow, Russia.ReferencesБерезнев С.В., Барышев М.А. Понятие «холдинг» в России: определение сущности и содержания. Мир экономики и управления. 2012;12(1):109–114. URL: https://cyberleninka.ru/article/n/ponyatie-holding-vrossii-opredelenie-suschnosti-i-soderzhaniya (дата обращения: 11.12.2022).Bereznev S.V., Baryshev M. A. The concept of “holding” in Russia: Determination of nature and content. Mir ekonomiki i upravleniya = World of Economics and Management. 2012;12(1):109–114. URL: https://cyberleninka.ru/article/n/ponyatie-holding-v-rossii-opredelenie-suschnosti-i-soderzhaniya (accessed on 11.12.2022). (In Russ.).Корнеева Т.А., Шатунова Г.А. Корпоративные объединения и консолидированная финансовая отчетность. Аудит и финансовый анализ. 2006;(3):5–9. URL: https://auditfin.com/fin/2006/3/Korneeva/Korneeva%20.pdf (дата обращения: 15.12.2022).Korneeva T.A., Shatunova G.A. Corporate unions and the consolidated financial reporting. Audit i finansovyi analiz = Audit and Financial Analysis. 2006;(3):5–9. URL: https://auditfin.com/fin/2006/3/Korneeva/Korneeva%20.pdf (accessed on 15.12.2022). (In Russ.).Белых В.С., Берсункаев Г.Э. Холдинги и холдинговое законодательство в России. Бизнес, менеджмент и право. 2007;(1):86–88.Belykh V.S., Bersunkaev G.E. Holdings and holding legislation in Russia. Biznes, menedzhment i pravo = Business, Management and Law. 2007;(1):86–88. (In Russ.).Claessens S., Fan J.P.H., Lang L.H.P. The benefits and costs of group affiliation: Evidence from East Asia. Emerging Markets Review. 2006;7(1):1–26. DOI: 10.1016/j.ememar.2005.08.001Claessens S., Fan J.P.H., Lang L.H.P. The benefits and costs of group affiliation: Evidence from East Asia. Emerging Markets Review. 2006;7(1):1–26. DOI: 10.1016/j.ememar.2005.08.001Chang S.J., Hong J. Economic performance of group-affiliated companies in Korea: Intragroup resource sharing and internal business transactions. Academy of Management Journal. 2000;43(3):429–448. DOI: 10.2307/1556403Chang S.J., Hong J. Economic performance of group-affiliated companies in Korea: Intragroup resource sharing and internal business transactions. Academy of Management Journal. 2000;43(3):429–448. DOI: 10.2307/1556403Beaver W.H., Cascino S., Correia M., McNichols M.F. Group affiliation and default prediction. Management Science. 2019;65(8):3559–3584. DOI: 10.1287/mnsc.2018.3128Beaver W.H., Cascino S., Correia M., McNichols M.F. Group affiliation and default prediction. Management Science. 2019;65(8):3559–3584. DOI: 10.1287/mnsc.2018.3128Мкртчян Г.М. Привлечение бенефициаров бизнеса к субсидиарной ответственности. Северо-Кавказский юридический вестник. 2019;(3):122–129. DOI: 10.22394/2074–7306–2019–1–3–122–129Mkrtchyan G. M. Some issues of bringing the controlling persons of the debtor to subsidiary liability. Severo-Kavkazskii yuridicheskii vestnik = North Caucasus Legal Vestnik. 2019;(3):122–129. (In Russ.). DOI: 10.22394/2074–7306–2019–1–3–122–129Khanna T., Yafeh T. Business groups and risk sharing around the world. Journal of Business. 2005;78(1):301– 340. DOI: 10.1086/426527Khanna T., Yafeh T. Business groups and risk sharing around the world. Journal of Business. 2005;78(1):301– 340. DOI: 10.1086/426527Ghojogh B., Crowley M. The theory behind overfitting, cross validation, regularization, bagging, and boosting: Tutorial. arXiv:1905.12787. 2019. DOI: 10.48550/arXiv.1905.12787Ghojogh B., Crowley M. The theory behind overfitting, cross validation, regularization, bagging, and boosting: Tutorial. arXiv:1905.12787. 2019. DOI: 10.48550/arXiv.1905.12787Моргунов А.В. Моделирование вероятности дефолта инвестиционных проектов. Корпоративные финансы. 2016;10(1):23–45. DOI: 10.17323/j.jcfr.2073–0438.10.1.2016.23–45Morgunov A.V. Modeling the probability of default of the investment projects. Korporativnye finansy = Journal of Corporate Finance Research. 2016;10(1):23–45. (In Russ.). DOI: 10.17323/j.jcfr.2073–0438.10.1.2016.23–45Siddiqi N. Credit risk scorecards: Developing and implementing intelligent credit scoring. Hoboken, NJ: John Wiley & Sons, Inc.; 2006. 208 p.Siddiqi N. Credit risk scorecards: Developing and implementing intelligent credit scoring. Hoboken, NJ: John Wiley & Sons, Inc.; 2006. 208 p.Полтерович В.М., ред. Стратегия модернизации российской экономики. СПб.: Алетейя; 2010. 424 с.Polterovich V.M., ed. Strategy for modernizing the Russian economy. St. Petersburg: Aletheia; 2010. 424 p. (In Russ.).Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. 6-е изд. М.: Дело; 2004. 576 с.Magnus Ya.R., Katyshev P.K., Peresetskii A.A. Econometrics. Initial course. 6th ed. Moscow: Delo; 2004. 576 p. (In Russ.).Карминский А.М., Фалько С.Г., ред. Контроллинг в банке. М.: Инфра-М; 2013. 288 с.Karminsky A.M., Fal’ko S.G., eds. Controlling in a bank. Moscow: Infra-M; 2013. 288 p. (In Russ).Карминский А.М., Костров А.В. Моделирование вероятности дефолта российских банков: расширенные возможности. Журнал Новой экономической ассоциации. 2013;(1):64–86.Karminsky A.M., Kostrov A.V. Modeling the default probabilities of Russian banks: Extended opportunities. Zhurnal Novoi ekonomicheskoi assotsiatsii = Journal of the New Economic Association. 2013;(1):64–86. (In Russ.).

The authors declare that there are no conflicts of interest present.